Solarzellen auf Mondglas für eine zukünftige Basis auf dem Mond

Bestandteile einer Mond-Solarzelle.

Bestandteile einer Mond-Solarzelle. © Felix Lang.

Zukünftige Mondsiedlungen werden Energie benötigen, die Photovoltaik liefern könnte. Material in den Weltraum zu bringen, ist jedoch teuer – ein Kilogramm zum Mond zu transportieren, kostet eine Million Euro. Doch auch auf dem Mond gibt es Ressourcen, die sich nutzen lassen. Ein Forschungsteam um Dr. Felix Lang, Universität Potsdam, und Dr. Stefan Linke, Technische Universität Berlin, haben nun das benötigte Glas aus „Mondstaub“ (Regolith) hergestellt und mit Perowskit beschichtet. Damit ließe sich bis zu 99 Prozent des Gewichts einsparen, um auf dem Mond PV-Module zu produzieren. Die Strahlenhärte konnte das Team am Protonenbeschleuniger des HZB getestet.

„Das Highlight unserer Studie ist, dass wir das benötigte Glas für unsere Solarzellen direkt und ohne Aufbereitungsprozesse aus dem Mondregolith gewinnen können“, sagt der Projektverantwortliche Felix Lang, der am Institut für Physik und Astronomie eine von der VolkswagenStiftung geförderte Freigeist-Nachwuchsgruppe leitet.

Die von den Forschenden getesteten Solarzellen haben einen geschichteten Aufbau, wobei die Substrat- und Deckschicht aus Mondglas besteht und die dazwischenliegende Schicht aus Perowskit. „Diese Solarzellen benötigen nur 500 bis 800 Nanometer dünne Halbleiterschichten, somit könnte man mit einem Kilogramm Perowskit-Rohmaterial von der Erde 400 Quadratmeter Solarzellen auf dem Mond herstellen“, fasst Lang zusammen. Dennoch war die Entwicklung der ersten Mond-Perowskit-Solarzelle schwierig: „Am Anfang war es unklar, ob wir diese in ausreichender Qualität auf unreinem Regolith-Mondglas herstellen können“, sagt er und hebt die erstaunliche Stabilität der hergestellten Solarzellen gegenüber Weltraumstrahlung hervor – eine wesentliche Voraussetzung für eine stabile Energieversorgung auf dem Mond.

 

 

Weiterlesen in der Meldung der Uni Potsdam: https://www.uni-potsdam.de/de/nachrichten/detail/2025-04-03-solarzellen-auf-mondglas-photovoltaik-koennte-die-energie-fuer-eine-zukuenftige-basis-au

red./Uni Potsdam

  • Link kopieren

Das könnte Sie auch interessieren

  • Zwei Gewinnerbilder aus dem HZB beim Helmholtz-Bilderwettbewerb
    Nachricht
    12.11.2026
    Zwei Gewinnerbilder aus dem HZB beim Helmholtz-Bilderwettbewerb
    Paul H. Kamm aus dem HZB erhält den zweiten Preis der Jury für eine zeitaufgelöste Röntgentomographie. Die Teilnehmenden der Helmholtz Imaging Konferenz wählten dieses Bild zu ihrem Gewinner, dem Participants’ Choice Award. Das Bild zeigt eine Momentaufnahme beim Laserschweißen und wurde an der Swiss Light Source des Paul Scherrer-Instituts aufgenommen. Zu den 20 schönsten Bildern zählt auch eine Mikroskopie-Aufnahme einer Solarzelle von Yannic Kerkhoff und Daniel Abou Ras, HZB.
  • Ultraschnelle Entmagnetisierung - Dünneres Eisen, stärkere Wirkung 
    Science Highlight
    23.10.2026
    Ultraschnelle Entmagnetisierung - Dünneres Eisen, stärkere Wirkung 

    Je dünner eine Eisenschicht, desto leichter lässt sie sich durch einen Laserpuls entmagnetisieren. Forschende der Universität Duisburg-Essen haben gemeinsam mit dem Helmholtz-Zentrum Berlin und weiteren Partner:innen herausgefunden, warum das so ist: Entscheidend ist die magnetische Ordnung an den Grenzflächen des Materials. Die Erkenntnisse könnten langfristig dazu beitragen, neue Technologien für die magnetische Datenspeicherung zu entwickeln. Die Ergebnisse wurden in der Fachzeitschrift Advanced Science veröffentlicht.

  • Blinder Fleck für die Anordnung der Atome
    Nachricht
    21.10.2026
    Blinder Fleck für die Anordnung der Atome
    Künstliche Intelligenz wird zunehmend eingesetzt, um Eigenschaften neuer Materialien vorherzusagen. Ein Forschungsteam aus Jena und den USA zeigt nun in einer im Fachjournal „Nature Computational Science“ Studie: Kommen dabei Sprachmodelle zum Einsatz, erfassen diese zwar zuverlässig, welche Atomsorten ein Material enthält. Informationen über deren räumliche Anordnung nutzen sie jedoch nur unzureichend. Selbst größere Modelle und mehr Trainingsdaten beheben diese Schwäche nicht. Für stark strukturabhängige Materialeigenschaften sind deshalb auf räumliche Strukturen spezialisierte KI-Modelle die verlässlichere Wahl. (DOI: 10.1038/s43588-026-01045-2)